[发明专利]一种基于机器学习的免传播模型无线网络规划方法

摘要

本发明基于大量的实际网络数据集训练免传播模型的接收信号强度(RSS)预测器，并通过多目标启发式方法优化基站(BS)部署的覆盖性能。具体而言，将诸如地理环境和基站的操作参数等信号传播的更实用的特征馈送到机器学习(ML)模型中以预测接收信号强度；此外，基于预测模型设计一种多目标贪婪算法，初始化可行解符合地理约束并且使其固定与优化区域经纬度相关，并固定搜索方向的优化步长，步长根据参数上下限设定，优化目标是以最少基站满足覆盖率达标。数值仿真结果表明，多层感知机在接收信号强度预测方面优于其他机器学习算法，基站部署仿真也验证了本发明的收敛性和可用性，在覆盖率方面比实际部署更好，且需要部署的基站数更少。

主权项

1.一种基于机器学习的免传播模型无线网络规划方法，其特征在于，基于机器学习训练得到接收电平强度预测模型，不借助现有传播模型，考虑从地图、基站工参提取实际网络中影响信号传播的地理和信号特征；将高维特征按照距离、地理、信号特征进行分类，各类利用主成分分析法进行特征值分解分别降维为三个维度(一维的距离特征、一维的地理特征和一维的信号特征)馈入机器学习模型进行回归任务训练，输出接收信号电平强度预测模型；基于电平预测模型对区域覆盖率进行统计评估打分，利用初始解和查找方向的固定机制，设计多目标贪婪算法对基站部署的位置和工参进行在线优化，满足输出结果一致性和快速收敛的要求；输出可行解需满足实际地理限制因素。